555-555-5555

Interview med Rolf Lyneborg Lund:

Geografi som den magiske faktor

Rolf Lyneborg Lund har i snart tre år nørdet sig ned i social-geografiske data og Python-programmering. Han er dybt optaget af at måle geografi og af at undersøge, hvad ’sted’ betyder for menneskers muligheder i livet. Rolf fortæller om geografi som den magiske faktor i demografisk statistik, i samme åndedrag, som han indrømmer, at han på det nærmeste er geografiblind, hvis han selv skal finde vej i Danmark.

Af Mette B. D. Thygesen, GIS i Aktion efterår 2018

Rolf Lyneborg Lund er Ph.d. stipendiat på Aalborg Universitet. Til hverdag arbejder Rolf på sit kontor i en af Aalborg Universitets mange lave murstensbygninger. Kontoret er smalt, skrivebordet står op af den ene langvæg, som derudover er fyldt med stribevis af bøger på lange hvide hylder. De fleste bøger handler om statistik og metode. På den anden langvæg er der et stort whiteboard med post it’s, som systematisk er fordelt på tavlen under overskifterne ”to do – doing – done”.

Rolf griner selvironisk over, sit eget forsøg på projektstyring og fortæller, at tavlen ikke helt viser virkelighedens fordeling mellem to do og done, men at ideen med systemet var meget godt. Under tavlen står en Star Wars figur og en gammel gameboy, og på ydersiden af døren hænger en lille digital skærm, som med lysende røde bogstaver, fortæller at Rolf er taget hjem for i dag. Det er han dog ikke, så han trykker på den et par gange, til bogstaverne fortæller, at han er til møde.

Inden interviewet advarede Rolf om, at han kan snakke meget længe om sin forskning, og at det er på eget ansvar, hvis man sætter ham i gang. Men han vil rigtig gerne fortælle, for han håber, at hans forskning kan bidrage til at sætte geografiens betydning i fokus, når der skal træffes vidensbaserede beslutninger.

Rolf er kandidat i pædagogisk sociologi fra Århus Universitet og han elsker at fordybe sig i tal, programmering og statistisk metode. Da Rolf påbegyndte sin Ph.d. i 2016 vidste han intet om, hvad der fandtes af software til at arbejde med geografisk analyse. GIS (Geografiske Informations Systemer) var ukendt land, og han havde aldrig hørt om Esri.

Selvom han kunne en del programmering og en smule Python, kendte han intet til Arcpy, som er det pythonmodul, hvor man kan tilgå funktionaliterne i ArcGIS-platformen.

I dag, to et halvt år senere, nærmer han sig sit afsluttende Ph.d.-forsvar. Han har efterhånden fået godt fat i at programmere med Arcpy, og han har løst sin grundlæggende mission: At lave en bedre og mere forfinet inddeling af Danmarks befolkning end der fandtes i forvejen. På den måde ville han gøre det muligt, at undersøge stedets betydning for forskelle mellem befolkningsgrupper.

Irritation over generaliseringer førte til en Ph.d.

Uanset om det handler om vegetarer, indvandrere eller boligområder, bliver Rolf provokeret, når virkeligheden forenkles i hurtige slutninger og generaliseringer. ”Det hele begyndte egentlig med, at jeg så en dokumentar i fjernsynet, hvor man sammenlignede to byområder med hinanden, som om de hver især var homogene, på trods af store interne variationer. Jeg blev forarget over, at man forenklede statistik så groft og skøjtede hen over nuancerne. Min forargelse motiverede mig til at skrive et forslag til et Ph.d. projekt. Jeg ville udvikle en metode til at arbejde med statistiske analyser, hvor man tog det geografiske sted alvorligt.”

Fra ide til grå hår over Python-kodning

Ideen blev godtaget og Rolf fortæller, hvordan han begyndte at svede lidt i håndfladerne. For nok havde han erfaring med programmering og statistikprogrammer, men på daværende tidspunkt kendte han intet til mulighederne med GIS-software og havde egentlig ikke helt styr på, hvordan han skulle nå i mål med sit projekt.

Men trods svedige i håndflader var Rolf meget motiveret og begyndte straks at undersøge, hvordan man kunne arbejde med statistik og geografi. Det blev i første omgang en landinspektør, som sendte ham i retning af GIS og via universitetet fik han adgang til en ArcGIS-licens. Derefter brugte han noget tid på at lege med ArcGIS og open source programmet QGIS, så han kunne sammenligne, hvad der fungerede bedst.

Men selvom QGIS på mange måder var okay, fungerede det ikke, at arbejde med et Open Source værktøj, som var programmeret af mange forskellige mennesker og sammenstykket af forskellige elementer, Rolf uddyber: ” Når jeg laver analyser og programmering, bliver jeg nødt til at vide, at softwaren er gennemtestet og hænger sammen. Jeg skal vide, at programmet gør, hvad jeg beder den om, så jeg kun behøver at forholde mig til fejl i min egen programmering.”

"Nogle gange har Rolfs data været fordelt på 150 millioner celler i et Excelark og da Rolf havde flest, arbejdede han med en milliard celler."

Da Rolf havde besluttet at arbejde med Esri’s software, meldte han sig til en række ArcGIS-kurser og holdt et møde en hel dag sammen med GIS-udvikler Carsten Bøcker fra Geoinfo, som har mange års erfaring med Python-programmering.

”Carsten var en kæmpe hjælp. Jeg havde en masse ideer inde i mit hoved til, hvordan præmisserne i koden skulle opbygges, men Carsten hjalp med at oversætte mine ideer til rigtig kode, som fungerede i ArcGIS.” fortæller Rolf og fortsætter: ”Det første halve år var en stejl læringskurve og jeg er ret sikker på, at jeg er blevet mere gråhåret af den første tid: 1000 fejlforsøg, så et forsøg, der virkede, og så forfra igen. Learning by doing hele vejen. Men hver gang jeg lavede en fejl, blev jeg klogere, og jeg synes selv, at jeg efterhånden har fået en ret god forståelse af frihåndsprogrammering i ArcMap.” Heldigvis havde Rolf en del erfaring med computere og programmering, og var også godt hjemme i statistisk-metode. Derudover havde han et mål for, hvor han ville hen med sit arbejde. ”Uden den erfaring, havde det været meget svært at nå i mål” konkluderer han.

Metoden og koden

Almindeligvis bruger man Danmarks cirka 2200 sogne, som mindste inddeling, når man laver geografiske analyser i Danmark. De danske sogne er af meget forskellig størrelse og svinger fra under 200 indbyggere i de små sogne og til over 10.000 i andre.

Rolfs projekt var, at inddele hele Danmark i så små og så homogene grupper, som det var muligt, med de strenge anonymitetskrav, som man skal leve op til i Danmark. Der findes individuelle data om alle mennesker i Danmark, men man må ikke kigge på data for under 100 mennesker af gangen. Det betyder, at man ikke kan samle folk ud fra individuelle karakteristika, før man har samlet dem i grupper på 100 mennesker. Så først skulle Rolf have samlet alle borgere i Danmark i geografiske grupper af 100 personer ud fra et parameter, som ikke var baseret på individuelle data.

Rolf forklarer: ”Det føltes til at begynde med som et paradoks, men løsningen blev at bruge veje som separator ud fra den klassiske sociologiske tanke; at vi bosætter os med mennesker, der ligner os selv. I Danmark bygger vi ikke mure rundt om boligområder, som de gør i USA, men ofte indikerer veje skel mellem forskellige grupper af mennesker. Derfor gav det god mening at bruge veje som separatorer.” I modellen skal en vej minimum være fem meter i bredden for at gælde som separator, så stier og små grusveje tæller ikke. Resultatet blev 8043 omtrent lige store klynger.

Når Rolf kører en analyse i sine data, sammenligner computeren hver klynge, med de klynger den berører. Så hvis en klynge eksempelvis har ti klynger rundt om sig, vurderer computeren, hvordan hver enkelt af de to klynger ligner den i midten. For hver analyse definerer Rolf, hvor ens klyngerne skal være for at blive lagt sammen og så gennemgår computeren alle 8043 klynger ud fra den definition og det analysespørgsmål, som Rolf har stillet den. Det vil sige, at hver gang Rolf kører en analyse, vil klyngerne samle sig på forskellige måder og give forskellige mønstre på Danmarkskortet.

Det er utrolig store mængder data, som computeren skal tygge sig igennem hver gang. Nogle gange har Rolfs data været fordelt på 150 millioner celler i et Excel ark og da Rolf havde flest, arbejdede han med en milliard celler. Det er en stor mængde data at arbejde med og det var svært at håndtere i begyndelsen.

Som Rolf fortæller: ”De første analyser tog tre uger at køre igennem. Jeg satte computeren i gang og så stod den og arbejdede i tre uger, før jeg fik et resultat. I dag tager det 24 minutter med ArcGIS Pro.”

Rolf fortæller videre: ”Man kan sige, at jeg startede med en halv sides minikode. I dag er den samlede kode på rundt 50 sider med argumenter, som fortæller computeren regler for at ’hvis sådan, så sådan’”.

Selvom en analyse går meget hurtigere end i starten, og den stort set altid fungerer, kan det stadig ske, at computeren pludselig opfører sig utilregneligt. Eksempelvis har den et par gange begyndt at lede efter mennesker ude i havet. Rolf forklarer: ”Og når den ikke kan finde mennesker, bliver den ved med at tilføje flere felter og mere af havet for at komme op på 100 mennesker. Jeg har ikke helt fundet ud af, hvorfor den gør det, men computeren bliver ved, indtil jeg stopper den.”

Geografi som den magiske faktor

”Når man læser sociologi og arbejder med statistik, taler man meget ofte om stedeffekter uden at forholde sig til: ’Hvad det er for et sted’. Stedet er en kontrol i form af et tal, som man kan tage med i ligningen eller lade være. Men man forholder sig ikke til stedfaktoren som det geografiske sted, den angiver”, forklarer Rolf og fortsætter: ”Det at få geografien med, var helt magisk for mig og jeg oplevede, at når man gør sig umage med stedet, så åbner der sig en helt ny dør.”

Rolf fortæller, at det var helt nyt for ham, at ”sted” ikke blot var en faktor defineret med et tal i en tabel, men faktisk var en geografisk placering i forhold til noget andet. Metodisk skulle han til at begynde med lære, hvordan man med GIS arbejder ud fra et koordinatsystem, hvor man tæller op/ned og højre/venstre. ”Det var en ny logik, som jeg skulle ind i, men i dag giver det mening og føles naturligt at arbejde på den måde.”

"Jeg har fået en del jobtilbud på det sidste, fordi der er efterspørgsel på denne viden. Men jeg elsker at forske og fordybe mig, så jeg bliver her på Aalborg Universitet."

Flere nuancer og færre generaliseringer, tak

Rolf håber, at hans forskning vil give et bedre blik for nuancer. Hans ambition var at definere ”neighbourhoods” eller på dansk: nabolag, som var mindre og mere homogene, end de demografiske grupper, som man typisk måler på, som han uddyber: ”Jeg er meget optaget af uligheder, målinger af uligheder og jeg hader generaliseringer. Jeg er motiveret af at ville aflive myter om bestemte områder og befolkningsgrupper, selvom jeg desværre også nogle gange må finde mig i, at myter kan vise sig at være fakta.”

Rolf fortæller, at en myte eksempelvis er forståelsen af, at de mest udsatte borgere bor i det såkaldte Udkantsdanmark og at de rigeste bor i storbyerne. Men, fortæller Rolf: ”Hvis man ser på Danmark med min analysemodel, kan man se, at både de rigeste og de dårligst stillede i Danmark alle sammen findes inden for en radius på 20 kilometer i København. Derfor kan der jo stadig godt være flere dårligt stillede i Vestjylland end i København, men det er forkert at forenkle de geografiske faktorer så groft, som når man beskriver alle borgere i København som en homogen masse.”

Rolf oplever stor interesse for sin forskning

Henover sommeren har Rolf været en del i medierne med sin forskning, hvilket har affødt mange henvendelser fra kommuner, private virksomheder og journalister. Kommunerne er meget interesserede i at blive klogere på egne data. De har en fornemmelse af boligområders karakteristika, men de vil gerne undersøge deres data med den geografiske vinkel og på den måde få en mere velfunderet viden.

”Jeg har fået en del jobtilbud på det sidste, fordi der er efterspørgsel på denne viden. Men jeg elsker at forske og fordybe mig, så jeg bliver her på Aalborg Universitet.” Det er dog vigtigt for Rolf, at andre kan få glæde af den viden, som han har skabt, selvom han har en bekymring: ”Det vil ærgre mig, hvis min forskning bliver brugt til hardcore markedsføring af private virksomheder. Ved hjælp af min metode, er det jo muligt at finde relevante befolkningsgrupper meget præcist.”

Rolf håber at hans tilgang vil bidrage til flere nuancer og større bevidsthed om stedets betydning som faktor, når man arbejder med demografiske data: ”Jeg håber, at min forskning kan bidrage til bedre politiske beslutninger, så indsatser og ressourcer rettes mod dem, der har behov for det. Med min model kan man undersøge præcis, hvor og hos hvem man skal sætte ind og mit håb er, at man bliver bedre til at bruge social-geografiske data.”

Rolf fortsætter: ”GIS-folk er jo meget nøjagtige i deres arbejde og den præcision, prøver jeg at tage med over i forskningen af mennesker. Og det er tilsyneladende nyt, for i de sidste par år er det gået op for mig, at mange er helt ligeglade med sammenhængen mellem steder og mennesker.”

Rolf prøver at bevare kompleksiteten frem for at forenkle den. Samtidig er han som sociolog optaget af at undersøge årsager og forklare effekter, så han dykker også ned i sine data og undersøger dem.

”Jeg er med i en forskningsgruppe, der hedder SocMap (Social Mapping). Det er mega fedt, for her får jeg andre perspektiver på det, som jeg arbejder med. Nogle gange laver jeg en analyse, som jeg ikke på forhånd ved om er smart, og så er det fantastisk givende at diskutere det i forskningsgruppen og få de andres perspektiver.”

De andre i forskningsgruppen er mere kvalitative i deres forskning, hvilket betyder, at de typisk undersøger verden ved at tage ud til en befolkningsgruppe og lave interviews. Rolf fortæller, at de planlægger, at kombinere forskningsgruppens forskellige kompetencer så de på sigt kan bruge Rolfs værktøj til at udvælge fokusgrupper til kvalitativ forskning. ”Det er rigtig spændende, hvad det samarbejde kommer til at betyde, og om vi på den måde kan skabe endnu bedre og stærkere viden.”